Cohere Rerank 4 Pro es el modelo centrado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos respecto a una consulta y devuelve su orden de relevancia y sus puntuaciones. Está pensado para tareas de recuperación complejas, con documentos multilingües e información semiestructurada. Encaja en un flujo de búsqueda o generación aumentada por recuperación después de que un sistema existente haya reunido candidatos: el resultado ayuda a elegir qué pasajes mostrar o aportar como fuentes a la siguiente etapa.
El identificador del productor es rerank-v4.0-pro, distinto de rerank-v4.0-fast y rerank-v3.5. Pro se orienta a casos complejos en los que la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones Rerank 4 utilizan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus de búsqueda almacenado.
Proporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice original del documento y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados se devuelven; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para relacionar la clasificación con el pasaje exacto. Para una pregunta de soporte, consulta las condiciones necesarias y proporciona las secciones candidatas de las políticas, en lugar de esperar que el reordenador localice políticas que no estén en la lista.
El modelo admite más de 100 idiomas y puede reordenar material en inglés y en otros idiomas. En una consulta con varios requisitos, indica las condiciones que hacen útil un pasaje, como el producto, la situación y el procedimiento necesario. Para los registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos V2. Ordena deliberadamente campos significativos como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación sirve para fichas de productos, mensajes y metadatos de documentos, además de prosa corriente.
La guía de preparación específica del modelo limita la consulta de Rerank 4 a los primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documento más largas se truncan hasta ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y pertinentes o elige un presupuesto de documento adecuado, en lugar de suponer que todas las fuentes largas se leen siempre completas.
Para el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos al dividir una lista mayor en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y los candidatos; no son una medida lineal de exactitud factual. Utiliza el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia dudosa del dominio real, en lugar de dar por supuesto un límite universal.
Un resultado final útil es una lista de candidatos ordenados con identificadores de fuente y puntuaciones, lista para mostrar resultados de búsqueda o seleccionar fuentes. Un documento con una puntuación de relevancia alta puede contener información anticuada o incorrecta, así que conserva su fuente y su contenido para la etapa que lo utilice. La función de Pro es valorar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición Pro exacta vinculada al resultado cuando compares o perfecciones un flujo de recuperación.
", "aboutText": "Cohere Rerank 4 Pro es el modelo centrado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos respecto a una consulta y devuelve su orden de relevancia y sus puntuaciones. Está pensado para tareas de recuperación complejas, con documentos multilingües e información semiestructurada. Encaja en un flujo de búsqueda o generación aumentada por recuperación después de que un sistema existente haya reunido candidatos: el resultado ayuda a elegir qué pasajes mostrar o aportar como fuentes a la siguiente etapa.\n\nEl identificador del productor es rerank-v4.0-pro, distinto de rerank-v4.0-fast y rerank-v3.5. Pro se orienta a casos complejos en los que la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones Rerank 4 utilizan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus de búsqueda almacenado.\n\nProporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice original del documento y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados se devuelven; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para relacionar la clasificación con el pasaje exacto. Para una pregunta de soporte, consulta las condiciones necesarias y proporciona las secciones candidatas de las políticas, en lugar de esperar que el reordenador localice políticas que no estén en la lista.\n\nEl modelo admite más de 100 idiomas y puede reordenar material en inglés y en otros idiomas. En una consulta con varios requisitos, indica las condiciones que hacen útil un pasaje, como el producto, la situación y el procedimiento necesario. Para los registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos V2. Ordena deliberadamente campos significativos como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación sirve para fichas de productos, mensajes y metadatos de documentos, además de prosa corriente.\n\nLa guía de preparación específica del modelo limita la consulta de Rerank 4 a los primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documento más largas se truncan hasta ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y pertinentes o elige un presupuesto de documento adecuado, en lugar de suponer que todas las fuentes largas se leen siempre completas.\n\nPara el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos al dividir una lista mayor en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y los candidatos; no son una medida lineal de exactitud factual. Utiliza el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia dudosa del dominio real, en lugar de dar por supuesto un límite universal.\n\nUn resultado final útil es una lista de candidatos ordenados con identificadores de fuente y puntuaciones, lista para mostrar resultados de búsqueda o seleccionar fuentes. Un documento con una puntuación de relevancia alta puede contener información anticuada o incorrecta, así que conserva su fuente y su contenido para la etapa que lo utilice. La función de Pro es valorar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición Pro exacta vinculada al resultado cuando compares o perfecciones un flujo de recuperación.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9011de31db46945b0dafd4279819e53ae8a31b539296240ab559715704ab1904", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "cohere/rerank-4-proCohere Rerank 4 Pro ordena documentos candidatos por su relevancia para una consulta en flujos de búsqueda y generación aumentada por recuperación. Es la edición de Rerank 4 centrada en la calidad, con contexto de 32K, cobertura multilingüe y compatibilidad con texto semiestructurado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Cohere Rerank 4 Pro es el modelo centrado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos respecto a una consulta y devuelve su orden de relevancia y sus puntuaciones. Está pensado para tareas de recuperación complejas, con documentos multilingües e información semiestructurada. Encaja en un flujo de búsqueda o generación aumentada por recuperación después de que un sistema existente haya reunido candidatos: el resultado ayuda a elegir qué pasajes mostrar o aportar como fuentes a la siguiente etapa.
El identificador del productor es rerank-v4.0-pro, distinto de rerank-v4.0-fast y rerank-v3.5. Pro se orienta a casos complejos en los que la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones Rerank 4 utilizan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus de búsqueda almacenado.
Proporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice original del documento y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados se devuelven; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para relacionar la clasificación con el pasaje exacto. Para una pregunta de soporte, consulta las condiciones necesarias y proporciona las secciones candidatas de las políticas, en lugar de esperar que el reordenador localice políticas que no estén en la lista.
El modelo admite más de 100 idiomas y puede reordenar material en inglés y en otros idiomas. En una consulta con varios requisitos, indica las condiciones que hacen útil un pasaje, como el producto, la situación y el procedimiento necesario. Para los registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos V2. Ordena deliberadamente campos significativos como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación sirve para fichas de productos, mensajes y metadatos de documentos, además de prosa corriente.
La guía de preparación específica del modelo limita la consulta de Rerank 4 a los primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documento más largas se truncan hasta ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y pertinentes o elige un presupuesto de documento adecuado, en lugar de suponer que todas las fuentes largas se leen siempre completas.
Para el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos al dividir una lista mayor en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y los candidatos; no son una medida lineal de exactitud factual. Utiliza el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia dudosa del dominio real, en lugar de dar por supuesto un límite universal.
Un resultado final útil es una lista de candidatos ordenados con identificadores de fuente y puntuaciones, lista para mostrar resultados de búsqueda o seleccionar fuentes. Un documento con una puntuación de relevancia alta puede contener información anticuada o incorrecta, así que conserva su fuente y su contenido para la etapa que lo utilice. La función de Pro es valorar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición Pro exacta vinculada al resultado cuando compares o perfecciones un flujo de recuperación.
POST /v1/reranktextrerank| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campodocuments | Tipoarray | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites cohere/rerank-4-pro | Predeterminado— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquery | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotop_n | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 | Predeterminado— |
Campotrace | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campodocuments[].text | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campodocuments[].image | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
text_rerank · Obligatorio: query, documents array with minItems1
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, query, documents |
Parámetromaterial_types | Contratotext |
Parámetrooptional_controls | Contratoprovider, session_id, top_n, trace, user |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous
Envía el ID exacto del modelo y conserva la respuesta nativa completa.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Unidad de facturación | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónUltra | Tabla de tarifas— | Unidad de facturaciónpor unidad de búsqueda | Cargo total · unidad de búsqueda $0.005 por unidad de búsqueda |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "cohere/rerank-4-pro",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-pro'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Se conserva cada índice real de resultado, cada relevance_score finito y cada objeto de documento original. Los índices vinculan la lista original de documentos. El JSON original completo se almacena y solo se devuelve tras la liquidación.
Conserva la operación original y la respuesta completa o parcial; no repitas el POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Camporesults[].index | Tipointeger |
Camporesults[].relevance_score | Tiponumber |
Camporesults[].document.text | Tipostring |
Camporesults[].document.image | Tipostring |
Campousage.search_units | Tipointeger |
Campousage.total_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampo obligatorio, representación o valor no válido | Siguiente pasoCorrige el campo indicado de la solicitud. |
Ailoot Ultra cohere/rerank-4-pro
Usa las rutas de método indicadas arriba.